흐릿한 CCTV 번호판, AI가 읽다 — 고려대, 세계 537팀 꺾고 1위 ‘스승–제자 지식 증류’와 수학적 앙상블로 82% 정확도 달성… 뺑소니 수사·스마트시티 적용 가시권 입력 2026.03.31 | AI·반도체 전문기자 | 사진·도표 고려대 제공 야간의 빗속 교차로. CCTV 렌즈는 50미터 앞 도주 차량을 포착했지만, 영상은 흐릿한 빛 번짐과 압축 노이즈로 뒤덮여 있었다. 번호판 일곱 글자는 형체만 남았다. 수사관이 화면을 최대로 확대해도 결과는 달라지지 않는다. 픽셀은 이미 무너진 뒤였다. 이 고질적인 한계를 수학과 교수가 이끄는 대학원팀이 무너뜨렸다. 고려대학교 오승상 수학과 교수 연구팀은 패턴인식 분야 최상위 국제학술대회인 ‘ICPR 2026’이 주관한 ‘저해상도 자동차 번호판 인식(Low-Resolution License Plate Recognition, LRLPR)’ 경진대회에서 전 세계 537명의 연구자를 제치고 1위를 차지했다. 7개 문자를 전부 정확히 판독한 비율(완전 일치 정확도)은 82%로, 80% 벽을 넘긴 팀은 전체 참가자 중 단 4팀에 불과했다. 대회란 무엇인가 — ‘7글자 완전 일치’라는 혹독한 기준 ICPR(International Conference on Pattern Recognition)은 컴퓨터 비전·패턴인식 분야에서 IEEE CVPR·ICCV와 함께 손꼽히는 국제 학술대회다. 2년마다 개최되는 이 대회는 2026년 8월 프랑스 리옹에서 열리며, 올해 처음으로 저해상도 번호판 인식을 별도 경진대회 과제로 채택했다. 평가 기준이 유독 엄격했다. 번호판에 새겨진 7개 문자(예: ‘가나 1234’ 구조) 중 단 하나라도 틀리면 오답으로 처리된다. 부분 점수는 없다. 현실 수사 현장에서 번호판 한 자리라도 잘못 읽히면 용의 차량을 특정할 수 없다는 현실을 반영한 설계다. 이 기준에서 80% 이상을 기록한다는 것은 10번 중 8번 이상 번호판 전체를 단 하나의 오류 없이 판독해낸다는 의미다. 📋 대회 개요 주관: ICPR 2026 (패턴인식 국제학술대회) | 과제명: 저해상도 번호판 인식(LRLPR) | 참가자: 전 세계 537명 | 평가 기준: 7글자 완전 일치율 | 우승팀: 고려대 오승상 교수팀 | 우승 정확도: 82% | 시상식: 2026년 8월, 프랑스 리옹 왜 어려운가 — 저해상도 환경에서 무너지는 OCR 번호판을 인식하는 기존 기술의 핵심은 OCR(Optical Character Recognition, 광학문자인식)이다. OCR은 이미지 속 글자의 ‘획(stroke)’과 ‘경계선(edge)’을 분석해 문자를 판별한다. 고화질 환경에서는 정확도가 99%를 넘기도 한다. 문제는 저해상도 환경이다. 카메라와 차량 사이의 거리, 야간 조명의 번짐(blooming), 강한 JPEG 압축, 빗방울에 의한 굴절이 겹치면 번호판 픽셀은 뭉개지고 글자의 경계선 정보가 파괴된다. 이 상태에서 OCR을 적용하면 정확도는 급격히 떨어진다. 대회 주최 측에 따르면 기존 최신 OCR 기술의 저해상도 완전 일치 정확도는 50~60% 수준이 최고 한계선이었다. 기존 접근법의 한계 — ‘예쁜 그림’과 ‘읽히는 그림’은 다르다 이 문제를 보완하기 위해 등장한 것이 초해상화(Super-Resolution, SR) 기술이다. SR은 딥러닝을 이용해 저해상도 이미지를 고해상도처럼 복원하는 기술로, GAN(Generative Adversarial Network) 계열 모델이 대표적이다. 복원된 이미지는 사람이 보기에 확실히 선명하다. 그러나 이 대회에 참가한 수많은 팀이 SR 기반 파이프라인의 구조적 한계에 부딪혔다. SR 모델은 ‘사람 눈에 자연스러워 보이는 이미지’를 생성하도록 최적화되어 있다. 하지만 OCR이 필요로 하는 정보는 다르다. OCR에게 중요한 것은 획의 연속성, 자소(字素) 간 경계의 명확성, 글자 내부의 공간 비율 같은 특징값(feature)들이다. SR이 생성한 선명한 이미지는 육안으로는 훌륭하지만, OCR이 추출해야 할 글자 특징 공간(feature space)에서는 여전히 열악할 수 있다. 쉽게 말해, ‘예쁘게 복원된 그림’과 ‘AI가 읽을 수 있는 그림’은 다른 차원의 문제다. 기존 SR→OCR 파이프라인은 중간에 이 불일치 구간이 존재한다. 🔍 핵심 개념: 특징 공간(Feature Space)이란?
